4. Порядок поточного і підсумкового оцінювання знань з дисципліни.

Дисципліна читається в одному семестрі. Підсумковий контроль знань у формі іспиту проводиться в 7-му семестрі за результатами вивчення всього курсу.

Поточний контроль

Поточний контроль знань студентів і рівень їх підготовки до занять здійснюється шляхом усного опитування, письмовою перевіркою, і перевіркою виконання лабораторних робіт на комп'ютері.

Об'єктом поточного контролю знань студента з дисципліни є:

а) Систематичність та активність роботи на заняттях.

При контролі систематичності та активності роботи студентів оцінці підлягають: відвідування лекційних занять, поточні оцінки при опитування на семінарських і практичних заняттях.

Оцінки активності та рівню знань студента при відповідях на теоретичні питання та при розв'язанні завдань на практичних заняттях (від 0 до 10 балів):

немає пропусків, всі поточні оцінки за лабораторні "відмінно" - 10 балів

немає пропусків, всі поточні оцінки "добре" та задовільно - 5 балів

має пропуски занять, є оцінки "незадовільно" - 0 балів.

б) Виконання завдань для самостійного опрацювання.

Самостійне опрацювання окремих питань дисципліни передбачає написання студентами доповідей на конференцію 10 балів.

с) Виконання модульних завдань.

Програма дисципліни умовно поділяється на два модулі, яким відповідають такі теми і модульні завдання.

Модуль по теоретичній частині курсу передбачає написання контрольної роботи, що охоплює всі теми курсу і складається з 10 питань. За написання контрольної роботи студент може отримати максимально 10 балів (пакети контрольних завдань щорічно формуються з переліку питань питань, що охоплюють зміст робочої програми).

д) Завдання, що не увійшли до об'єктів поточного контролю.

Якщо студент протягом семестру, в якому вивчається дисципліна взяв підготував на протязі семестру наукову публікацію до збірника наукових праць за темою дисципліни, то він може додатково отримати за це 20 заохочуючих балів. При цьому загальна кількість балів, що вноситься до залікової відомості, не може перевищувати 50 балів.

Підсумковий контроль

З дисципліни "Системи штучного інтелекту (бази знань, експертні системи)" передбачено іспит.

Екзаменаційний білет складається з 5-ти теоретичних питань і задачі.

5. Особливості поточного контролю знань студентів заочної форми навчання.

В рамках поточного контролю студенти заочної форми навчання повинні опрацювати наступні блоки завдань:

1. Виконати контрольну роботу з переліку та оформити їх у вигляді друкованого звіту (орієнтовний перелік рекомендованих завдань поданий нижче). Захист роботи виконується на ПЕОМ.

3. Виконати модульну контрольну роботу з 10-ти теоретичних питань.

Завдання : Розробити опис та постановку задачі, та алгоритм її розв'язання:

Частина 1. «Характеристика задачі штучного інтелекту», зміст: призначення, тематична сутність задачі її обґрунтування, та розв'язок; перелік об'єктів та методів якими розв'язують задачу;

Частина 2. «Вихідна інформація задачі штучного інтелекту» , зміст: опис вихідних повідомлень задачі (документів, відеокадрів, масивів бази даних, сигналів управління), склад і структура яких описуються у таблицях.

Частина 3. «Вхідна інформація задач штучного інтелекту», зміст: склад і характеристика вхідних інформаційних повідомлень. Вхідна інформація задачі штучного інтелекту може бути відображена у первинних массивах, базах даних. Склад і структура вхідних повідомлень описуються у таблицях.

Частина 4. «Опис алгоритму задачі штучного інтелекту». Постановка для задачі штучного інтелекту автоматизованого розв'язання супроводжується алгоритмом, який відображає логіку розв'язання задачі і спосіб формування вихідних повідомлень. Документ «Опис алгоритму задачі штучного інтелекту» :

• опису масивів інформації, що використовуються при реалізації алгоритму;

• опису масивів інформації, що формуються в результаті реалізації алгоритму;

• математичного опису алгоритму;

• графічно у вигляді структурної схеми до вимог ДЕСТ І9.701-90;

Частина 5. Проектування програмного продукту.

На підставі проектних досліджень, які були виконані під час розробки постановки задачі, наводиться програма на одній з мов високого рівня .

Перелік індивідуальних завдань

N	Назва тем контротльних завданьт
1	Розробка Web-агента, поняття Кріса Лангтона (Chris Langton), структура агента
2	Алгоритм моделювання штучного життя (Artifical life)
3	Програма про розумові властивості людини.
4	Алгоритм методу оптимізації, симуляцією відновлення (Simulated annealing), або відпалом.
5	Алгоритм кластеризації Гроссберга і Карпентера, ART1, з теорії адаптивного резонансу (Adaptive Resonance Theory).
6	Алгоритм методу мурашки . (Ant algorithms), або оптимізація, за принципом мурашиної колонії (алгоритму (Marco Dorigo)).
7	Алгоритм зворотного розповсюдження у нейронних багатошарових мережах.
8	Генетичний алгоритм Джона Холландона (John Holland), та еволюційні моделі для виведення послідовності дій, алгоритмом Джона Коза (John Koza)
9	Використовування та розробка Web-агента, поняття Кріса Лангтона (Chris Langton), структура програмного агента
10	Алгоритми системи заснованої на правилах та її архітектура. Система прямого висновку
11	Алгоритми системи, заснованої на правилах. Архітектура системи зворотного висновку.
12	Алгоритми нечіткої логіки (Fuzzy logic) Лотфі Заді (Lotfi Zadeh),
13	Розпізнавання мови, тексту, музики. Алгоритм моделі станів (Bigram Model). Приховані моделі Маркова (Markov Model),
14	Алгоритм використовування розумних агентів (Intelligent agent), Розробка алгоритму Web-агента по Алан Кей (Alan Kaу).
15	Алгоритм програми реалізуючої функції работи з логічним списком.
16	Алгоритм програми знаходження оптимального шляху з урахуванням пересадок.
17	Алгоритм програми сортування на базі дерева висновків.
18	Алгоритм програми реалізуючої функції работи кримінального експерта - юриста.
19	Програма граматичного розібрання списку на державній мові.
20	Алгоритм програми використання внутрішньої бази фактів підприємства.
21	Система заснована на правилах архітектури зворотного висновку.
22	Алгоритм моделі станів (Bigram Model) Приховані моделі Маркова (Markov Model), Розпізнавання мови, тексту, музики.
23	Системи, засновані на правилах, програмна архітектура DSS системи, заснованої на правилах
24	Програма з використанням селекторів зовнішніх баз даних.
25	Програма про оптимальну побудову “моста”.
26	Алгоритм зворотного розповсюдження у нейронній багатошаровій мережі.
27	Приклад нечіткої логіки. Управління зарядкою батареї.
28	Системи, засновані на правилах. Архітектура системи прямого висновку.
29	Програма про статичні предикати та файли.
30	Програми роботи з базами даних інтелекту.